摘要：學科交叉已經逐漸變成了科技創新的一個主要源泉，成為這個科學時代一個不可替代的研究範式。在科技與技術合力賦能之下，中國科研人創新奮鬥再出新成果，人類與病菌的博弈是以有了新武器。
本文分享自華為雲社群《打破“雙十定律”，華為雲AI推動超級抗菌藥Drug X研發加速》，作者：澎湃新聞。
學科交叉已經逐漸變成了科技創新的一個主要源泉，成為這個科學時代一個不可替代的研究範式。在科技與技術合力賦能之下，中國科研人創新奮鬥再出新成果，人類與病菌的博弈是以有了新武器。
據悉，西安交大一附院的劉冰教授利用基于華為雲盤古藥物分子大模型打造的 AI輔助藥物設計服務，成功研制超級抗菌藥Drug X，該藥物通過靶向微生物類組蛋白HU，抑制細菌的DNA複制達到抗菌效果，是世界上首次發現噬菌體編碼靶向細菌類組蛋白HU的抑菌抑制劑，有望成為全球近40年來首個新靶點、新類别的抗生素。
同時，除了抗菌，在抗瘧原蟲以及其他寄生蟲領域，Drug X已經取得一些良好效果回報，處于臨床前階段，并已在國際範圍申請專利。[1]
▲劉冰教授
除了醫學效用上的重大創新，Drug X更特别的意義在于，其有力證明了AI技術的加入能夠打破醫學界的 “雙十定律”。劉冰表示，在華為雲盤古藥物分子大模型的輔助下，Drug X先導藥的研發周期從數年縮短至一個月，研發成本降低70%，大幅提升新藥研發效率。
長期以來，一款創新藥從研發到上市，平均成本超過10億美元、研發周期大于10年，這是新藥研發的心頭痛。“像我們這樣一個十多個人的團隊必須要依靠像AI這樣新的技術，才能繞開既有壁壘，走出一條新路。”劉冰希望Drug X項目能夠為中國制藥公司，尤其是小型制藥公司的發展帶來新的機會。
AI+制藥降本增效，Drug X迎來重大突破
Drug X 被命名為超級抗菌藥，它到底超級在哪？
劉冰表示，之是以稱Drug X為超級抗菌藥，是因為它是廣譜抗生素，可廣泛抑制大部分細菌，對包括瘧原蟲在内的其他病原微生物也非常有效，且Drug X是全新靶點、全新類别的抗生素，其特質決定了細菌很難對它産生耐藥性。
提及抗菌藥，大家最熟悉的就是青黴素了。94年前人類發現了青黴素，從此一個小傷口的感染緻死率極大降低。但最近40年，都沒有新類别、新靶點的抗生素出現，而随着細菌的不斷進化，可能新藥還沒上市出來，細菌對這款藥物的耐藥性就産生了。有些被超級耐藥菌感染的病人甚至面臨無藥可用的局面。
“我們要從上億個小分子化合物中找到對目标靶點最有效的那一個。這個過程中研發人員要不斷地修改藥物結構來提高它的活性和成藥性，每一次更新藥物結構都意味着合成路線、藥效評估實驗等系列方案的重設和驗證。過程大概耗費4年時間。”劉冰感慨，不斷反複驗證，任何一步的失敗都會導緻整個新藥研發項目夭折。
科學實驗的關鍵是要明确蛋白與分子化合物相結合後的結果。“華為雲盤古藥物分子大模型”的核心就是通過對該結果的預測，幫助藥物研究人員在成千上萬的小分子化合物中快速找到可成藥的那一個。
華為雲EIHealth醫療智能體負責人喬楠博士以更為人熟知的車輛撞擊實驗作比，“就像AI可以準确地模拟車撞擊後的運動軌迹和車被撞擊後的形狀改變，華為雲盤古藥物分子大模型就是通過AI對上億的小分子化合物先進行篩選和預測性打分，對評分靠前的分子，才着手進行人工實驗驗證。”
▲喬楠博士
精準預測考驗的是AI能力。據了解，華為雲盤古藥物分子大模型采用獨有的“圖-序列不對稱條件自編碼器”架構，把藥物分子結構轉換成可量化的數值，可以更好地在數值空間定量地對藥物分子結構與性質進行預測與推薦。此外，盤古接受了海量的訓練，學習了17億個藥物分子的化學結構，能夠對藥物分子的80多種化合實體化性質進行預測，包括水溶性、吸收、代謝活性、排洩速率、毒性等。
喬楠博士表示，一般化學家可以憑直覺預測幾個或者十幾個化合物屬性。盤古對藥物分子的學習和了解程度達到或者超過化學專家的水準，而且其設計出化合物的新穎性可以達到99%。
實驗結果表明，相比傳統方式，AI技術讓成藥性預測的準确性提升20%，這意味着AI将科研者與成功研發一款藥物的距離拉得更近了。
“使用盤古藥物輔助設計服務，科研突破的成果快速轉化到了相應實用場景，顯著提高研發效率并降低了研發成本。”科學與技術相輔相成，劉冰相信這是一個非常良性的，能夠促進社會發展的流程。”目前，華為雲盤古藥物分子大模型已在華為雲上線。企業可以直接登入華為雲訂閱了解，及開通使用。華為雲團隊也會提供相應的指導及教育訓練。
科技平台與科研團隊聯手，AI與生物醫藥雙向賦能
回憶起獲得華為雲最初的支援，劉冰現在依然覺得“意外”。當時因為疫情劉冰團隊與華為雲團隊一直線上溝通，從來沒有實地見面。并且，那時劉冰剛從國外回來，對于國内業界而言，彼此相對陌生。“作為一個科技發展的引領者，華為雲對科研的支援，對創業者的信任，都非常令我佩服。”
新冠疫情加速了高度數字化時代的到來。劉冰團隊與華為雲的合作也正始于抗疫。
自2018年開始，AI+制藥行業邁入加速成長期，不僅頭部企業搶占市場佔有率，還有更多初創公司湧入賽道。同年，劉冰從英國帝國理工大學博士畢業後回到西安，2019年正式開始實驗室的建設。
2020年2月，工信部科技司向人工智能相關學（協）會、聯盟、企事業機關發出《充分發揮人工智能賦能效用協力抗擊新型冠狀病毒感染的肺炎疫情》倡議書，強調了優化AI算法和算力，助力病毒基因測序、疫苗/藥物研發、蛋白篩選等藥物研發攻關。
2020年初參與新冠藥物篩選時，劉冰團隊與華中科技大學李岩教授，和華為雲喬楠博士走到了一起。在相關工作告一段落後，這些年輕科研人又投身超級抗菌藥Drug X的合作項目。
創新藥行業同質化靶點紮堆的問題十分嚴重。我國創新藥企業從新藥研發下手，能更好打造出差異化優勢。正因如此，能給新藥研發帶來颠覆性變化的AI+制藥被寄予了厚望。科技公司與科研團隊的聯手，促成了超級抗菌藥Drug X的成功， 進一步驗證了AI與生物醫藥雙向賦能所帶來的巨大市場價值。
喬楠博士表示，AI+制藥，尤其藥物設計環節，是複雜軟體工程，涉及到非常大規模的計算。而大資料與AI相結合正是華為雲的一大優勢。未來，華為雲也計劃結合硬體，持續打造軟硬體能力兼備的藥物輔助設計平台。
“我覺得Drug X 對我們整個的制藥領域，甚至對微生物研究領域都是一劑強心劑。”劉冰以前在國外時，工作内容更偏科研理論，跟人打交道比較少。自從回國進入醫院研究所工作，他接觸到很多從業人員，非常真切感受到了大家對新型抗菌藥物的迫切性，這也給予他和團隊前行動力，驅動他們加速實作科研突破與成果落地轉化。
“我們是不是可以用AI建立一個虛拟的體内代謝系統，将虛拟的分子直接置于虛拟的人體代謝系統裡，看一下除了殺菌之外，它到底對人會造成怎麼樣的影響？例如，它的藥物毒性是否可以直接模拟出來了？”目前劉冰也與喬楠就此展開商讨，“這是我們一個美好的願望，最終實作需要巨大的投入。”
全流程輔助藥物設計，AI未來大有可為
人類最近40年間都沒有新類别的抗生素出現，在生物科技快速發展的今天，這讓人覺得不可思議又緊迫感叢生。藥物研發能力，決定着未來人類健康水準的上限。
AI技術契合了當下資料爆炸而傳統研究方法不足的場景。AI為新藥研發帶來了新的技術手段，将助力于經典藥物研發過程如靶點驗證、化合物篩選、藥物優化，各期臨床試驗等階段以及開創新的藥物研究範式，加速疾病特效藥、候選藥的誕生。
目前AI藥物成果較少，但相信随着資料積累、模型創新與疊代、新的監管與商業模式的出現，AI技術有望與藥物研發流程進一步深度融合，助力創新藥行業高速發展。華東理工大學教授、上海市新藥設計重點實驗室主任李洪林在接受記者采訪中表示，大力發展“AI+ 新藥研發”将為我國新藥研發帶來實質性的驅動力，對我國立足全球新藥研發市場意義重大。
李洪林教授認為下一階段，AI藥物領域将除了在現有基于靶點的AI藥物設計發展基礎上，會更加重視私有資料建構和基于表型藥物發現的AI應用，可以說是AI新藥研發2.0版，需要早些布局和規劃。“華為雲盤古藥物分子大模型”包含多方面的創新，該大模型在藥物研發領域推出的預訓練大模型，對實作全流程的 AI 輔助藥物設計會大有幫助。
展望未來，李洪林教授說道，長遠來看，AI技術廣泛應用于制藥行業的是必然趨勢，以傳統實驗為唯一的藥物發現過程将逐漸過渡為以資料驅動的範式。目前資料量和品質的不足制約了整個AI制藥行業發展，新藥研發的核心資料來源于藥企，這些原始資料未經過系統化的清洗整理，大多不能産生良好的預測效果。
未來随着資料量積累，建立标準化規範化的資料庫或資料聯盟打破現在的資料壁壘，整合并高效利用這些資料，結合AI新藥研發公司成熟的算法，勢必大大縮短藥企的研發周期，降低新藥研發成本。
通往夢想的道路充滿未知，我們無法想象最終颠覆後的生命科學會突破哪些人類極限。正如古代車馬都很慢的人，無法設想今人乘坐飛機日行千裡一樣。但可以确定的是，人工智能的時代已經到來。